بهبود عملکرد تشخیص بیماری آلزایمر از سیگنال EEG با ترکیب ویژگی های خطی و غیر خطی

بیماری آلزایمر شایع ترین زوال عقل است و معمولاً در افراد مسن دیده می شود شیوع بیماری آلزایمر در جهان به سرعت در حال افزایش است. در سالهای اخیر، پژوهش های فراوانی جهت تشخیص خودکار این بیماری از سیگنال های مغزی صورت گرفته است. در این مقاله به منظور آشکارسازی بیماری آلزایمر در مراحل اولیه، سیگنال های الکتروانسفالوگرام EEG مربوط به 35 نفر سالم، 31 نفر بیمار آلزایمری خفیف و 20 نفر بیمار الزایمری متوسط مورد بررسی قرار می گیرند. بدین منظور پس از پیش پردازش سیگنال های EEG و تجزیه آنها به زیر سیگنال های با استفاده از تبدیل موجک گسسته DWT مجموعه ای از ویژگی های خطی و غیر خطی از سیگنال های EEG استخراج گردید. سپس دقت تشخیص به کمک طبقه بند تحلیل تمایز خطی LDA موردارزیابی قرار گرفت. با بررسی دقت تشخیص برای سه دسته ویژگی خطی، غیر خطی و ترکیبی، برای سه دسته افراد بالاترین دقت به ازای دسته ویژگیهای ترکیبی توسط طبقه بند LDA به میزان 98/49 درصد بدست امد.

کلیدواژه ها:

بیماری الزایمر ، سیگنال الکتروانسفالوگرام ، تبدیل موجک گسسته ، ویژگی های خطی و غیر خطی ، تحلیل تمایز خطی